첨단 반도체를 개발하려면 수많은 Logic Simulation을 반복하고, DFT(Design for Test)와 Physical Design 같은 높은 컴퓨팅 성능이 필요한 EDA(Electronic Design Automation) 작업을 수행해야 합니다. 설계 규모와 검증 범위가 커질수록 필요한 CPU 코어와 메모리, 공유 스토리지 처리량도 함께 증가합니다. 필요한 시점에 충분한 인프라를 확보하지 못하면 EDA 도구의 실행 시간과 작업 대기열이 길어지면서 전체 개발 일정에 영향을 줄 […] ||
첨단 반도체를 개발하려면 수많은 Logic Simulation을 반복하고, DFT(Design for Test)와 Physical Design 같은 높은 컴퓨팅 성능이 필요한 EDA(Electronic Design Automation) 작업을 수행해야 합니다. 설계 규모와 검증 범위가 커질수록 필요한 CPU 코어와 메모리, 공유 스토리지 처리량도 함께 증가합니다. 필요한 시점에 충분한 인프라를 확보하지 못하면 EDA 도구의 실행 시간과 작업 대기열이 길어지면서 전체 개발 일정에 영향을 줄 수 있습니다.
AI 추론용 NPU를 개발하는 Rebellions는 반도체 설계 과정의 Design Verification(DV)과 Physical Design(PD) 업무에 AI Transformation(AX)을 적용해 엔지니어 생산성을 약 3배 향상시켰습니다. 그러나 엔지니어링 업무의 생산성이 높아진 후에도 상대적으로 긴 EDA 도구의 실행 시간이 전체 개발 속도를 제한하며, 새로운 병목으로 부각됐습니다.
Rebellions는 이러한 병목을 해소하고 설계 개발 전반의 생산성을 더욱 높이기 위해, 실제 NPU 개발 워크로드를 기반으로 AWS 환경에서의 EDA 성능과 확장성을 검증했습니다.
이 글에서는 AWS ParallelCluster와 Amazon FSx를 활용한 EDA 환경 구성과 함께, Logic Simulation, DFT, Physical Design 워크로드에서 확인한 성능 개선 결과를 소개합니다.
Rebellions 소개
Rebellions는 AI 추론용 NPU 칩부터 컴파일러를 포함한 소프트웨어까지 자체 개발하는 AI 추론 전용 풀스택 팹리스 스타트업입니다. 대한민국 정부가 조성한 국민성장펀드 1호 투자 기업으로서 국가 소버린 AI 인프라 생태계를 선도하고 있으며, APAC과 중동, 유럽 등 글로벌 시장으로 사업을 확장하고 있습니다.
데이터센터 인프라용 1세대 NPU인 ATOM을 성공적으로 상용화해 대규모 트래픽이 발생하는 SKT의 ‘에이닷’ 통화요약 서비스 등에 적용했으며, 대한민국 최초의 NPU-as-a-Service를 구축했습니다.
2세대 NPU인 Rebel100은 최고의 performance-per-watt와 한국 최초의 페타플롭스급 성능을 기반으로, 에이전틱 AI 시대에 필요한 CPU–NPU 통합 최적화와 서버 단위에서 토큰 팩토리 단위까지 확장 가능한 아키텍처를 제공합니다. 이를 통해 다양한 차세대 AI 워크로드에 유연하게 대응할 수 있으며, 2026년 초 양산에 착수해 2026년 하반기부터 다양한 고객 환경에 본격 적용될 예정입니다.
향후에는 더욱 다양하고 복잡해지는 AI 워크로드에 최적화된 성능을 제공하기 위해, 차세대 메모리 중심 구조(memory-centric architecture)와 HW–SW co-design을 중심으로 기술 및 제품 아키텍처의 발전 방향을 지속적으로 모색해 나갈 계획입니다.
NPU 개발의 다음 병목, EDA 실행 시간
EDA 워크로드는 작업에 따라 필요한 자원의 특성이 다릅니다. Logic Simulation은 기능과 설정, 난수 seed에 따라 생성되는 다수의 독립 작업을 제한된 시간 안에 처리해야 합니다. DFT와 Physical Design은 높은 CPU 성능뿐 아니라 대용량 메모리와 빠른 파일 접근 성능을 요구합니다.
이러한 작업을 고정된 온프레미스 인프라에서 수행하면 두 가지 문제가 발생합니다. 먼저 프로젝트의 피크 수요를 기준으로 장비를 구매